SavedAdd your journal

Journals / Bilişim Teknolojileri Dergisi / 2016 / Cilt: 9 - Sayı: 1

Firma Başarısızlığı Tahminlemesi: Makine Öğrenmesine Dayalı Bir Uygulama

Hamit ERDAL
Tevfik Şükrü YAPRAKLI
Pages
21–0
Publication Date
2016-01-21
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Özellikle TBA-DVM modelinin firma başarısızlığı tahminlemesinde alternatif bir yöntem olarak etkin bir şekilde kullanılabileceği sonucuna varılmıştır.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Öz Firma risk profilinin belirlenmesi, literatürde firma başarısızlığı kavramlarıyla incelenmektedir.
📊
Key Findings & Data:Bu konu üzerinde, özellikle 1929 büyük buhranı sonrasında çok önemli çalışmalar yapılmıştır.
💡
Conclusion & Impact:Özellikle TBA-DVM modelinin firma başarısızlığı tahminlemesinde alternatif bir yöntem olarak etkin bir şekilde kullanılabileceği sonucuna varılmıştır.
🔬Design:Review & Systematic Survey
📍Scope:Comprehensive Sample
⚙️Variables:Anahtar Kelimeler Firma Başarısızlığı · Makine Öğrenmes · Sınıflandırma

Özet

Öz Firma risk profilinin belirlenmesi, literatürde firma başarısızlığı kavramlarıyla incelenmektedir. Bu konu üzerinde, özellikle 1929 büyük buhranı sonrasında çok önemli çalışmalar yapılmıştır. Başlarda, riskli ve başarılı firmaların finansal göstergeleri arasındaki farklılıklara yoğunlaşılırken, özellikle bilişim teknolojilerindeki gelişimlere paralel olarak son yıllarda bilişim sistemleri firma başarısızlığı tahminlemesinde en önemli bileşenlerinden biri olmuştur. Özellikle, makine öğrenmesi yöntemlerinin bu alanda kullanılmaya başlanmasıyla firma başarısızlığının tahmin edilmesinde önemli yol kat edilmiştir. Bu çalışmada Erzurum ilinde 38 yıldır faaliyet gösteren inşaat malzemeleri toptancısı bir firmanın müşterilerinin vadeli borçlarını ödeme/ödememe riskleri firma başarısızlığı kapsamında ele alınmış ve firma başarısızlığının tahmininde uygun bir makine öğrenmesi yöntemi araştırılmıştır. Probleme etki eden değişkenler Temel Bileşenler Analizi (TBA) ile ortaya konulmuştur. Son yıllarda makine öğrenmesinde oldukça gelişmekte olan Yapay Sinir Ağları (YSA) ve Destek Vektör Makineleri (DVM)’nin TBA yöntemiyle beraber kullanımıyla oluşturulan hibrit modellerin bu tahminde uygulanabilirliği incelenmiş ve tahmin performansları yalın YSA ve DVM’ler ile karşılaştırılmıştır. TBA ile bütünleşik olarak kullanılan hibrit modellerin tahmin başarısının yalın YSA ve DVM’lere oranla daha tatmin edici sonuçlar verdiği görülmüştür. Özellikle TBA-DVM modelinin firma başarısızlığı tahminlemesinde alternatif bir yöntem olarak etkin bir şekilde kullanılabileceği sonucuna varılmıştır.

🔖

Cite This Article

ERDAL, H., YAPRAKLI, T. Ş. (2016). Firma Başarısızlığı Tahminlemesi: Makine Öğrenmesine Dayalı Bir Uygulama. Bilişim Teknolojileri Dergisi, Cilt: 9 - Sayı: 1, 21–0. https://ajindex.com/articles/251831

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (1)

  1. E.I. Altman, "Corporate Distress Prediction Models in Turbulent Economic and Basel II Environment", http://pages.stern.nyu.edu/~ealtman/Corp-Distress.pdf, 2002. [2]J. Wilcox, "A prediction of business failure using accounting data", Empirical Research in Accounting, 2, 163-179, 1973. [3] T. Sung, N. Chang, ve G. Lee, "Dynamics of modeling in data mining: Interpretive approach to bankruptcy prediction", Journal of Management Information Systems, 16(1), 63-85, 1999. [4] E.I. Altman, "Financial ratios, discriminant analysis and the prediction of corporate bankruptcy", Journal of Finance, 23(3), 589- 609, 1968. [5] E.I. Altman, R. Haldeman ve P. Narayanan, "ZETA analysis: A new model to identify bankruptcy risk of corporations", Journal of Banking and Finance, 1(1), 29-54, 1977. [6] P.A. Meyer ve H.W. Pifer,"Prediction of bank failures", The Journal of Finance, 25( 4), 853-68, 1970. [7] D. Martin, "Early warning of bank failure: A logit regression approach", Journal of banking and finance, 1(3), 249-276, 1977. [8] J. Ohlson, "Financial ratios and the probabilistic prediction of bankruptcy", Journal of Accounting Research, 18(1), 109-131, 1980. [9] M.E. Zmijewski, "Methodological issues related to the estimation of financial distress prediction models", Journal of Accounting Research, 59-82, 1984. [10] R.C. West, "A factor analytic approach to bank condition",Journal of Banking and Finance, 9, 253-266, 1985. [11] H. Frydman, E.I. Altman ve D. Kao, "Introducing recursive partitioning for financial classification: The case of financial distress",Journal of Finance, 40(1), 269-291, 1985. [12] W.F. Messier. ve J. Hansen, "Inducing rules for expert system development: An example using default and bankruptcy data", Management Science, 34(12), 1403-1415, 1988. [13] A.I. Dimitras, S.H. Zanakis ve C. Zopounidis, "A survey of business failures with an emphasis on prediction methods and industrial applications", European Journal of Operational Research, 90(3), 487-513, 1996. [14]A.W. Lo, "Logit versus discriminant analysis: a specification test and application to corporate bankruptcies", Journal of Econometrics, 31(2), 151-178, 1986. 15. W. Wu, V.C.S. Lee ve T.Y. Tan, "Data preprocessing and data parsimony in corporate failure forecast models: evidence from Australian materials industry", Accounting and Finance, 46(2), 327- 345, 2006. [16]M.M. Hamer, "Failure prediction: sensitivity of classification accuracy to alternative statistical methods and variable sets", Jour